展开

关键词

ct-exposer:通过搜索CT日志发现子域

什么是证书透明度(简称CT)? 证书透明度(Certificate Transparency)是谷歌力推的一项拟在确保证书系统安全的透明审查技术。 CT为TLS证书信任提供了额外的安全保障:即公司可以监控谁为他们拥有的域创建了证书。此外,它还允许浏览器验证给定域的证书是否在公共日志记录中。 ct-exposer能为我们做什么? ct-exposer将查询给定域的CT日志,然后尝试对域进行DNS查找以获取DNS中存在的域。 根据我的经验,到目前为止ct-exposer为我查找到了许多使用“site:domain.com”谷歌搜索找不到的子域。 安装依赖 Python3,gevent,requests 和 urllib3,pip3 install -r requirements.txt 使用 usage: ct-exposer.py

62120

创建合成CT图像数据

我们应用此方法为Covid19的CT挑战赛的开发人员创建一个合成玩具数据集。 数据隐私是医学图像数据公开的一个重要挑战。病人相关信息的匿名化需要两个主要步骤。 第二步中,可能需要对图像数据本身执行匿名化,一个例子是从脑CT/MRI图像我们可以重建人脸,所以这通常需要进一步的匿名化步骤。 在COVID19挑战中:https://www.covid19challenge.eu,我们使用的是胸部的CT数据。 我们将ANTs应用于胸部CT图像,我们不会变形图像的所有内容,而只会变形一定百分比的内容,变形不是完全的,只是部分的。这个概念的一个例子如图1所示。 ? 以上是基于部分图像变形的胸部CT合成概念。 以上是四个胸部CT的冠状位中心切片。你可以猜出哪些是合成的吗?文章最后给出答案。

45720
  • 广告
    关闭

    老用户专属续费福利

    云服务器CVM、轻量应用服务器1.5折续费券等您来抽!

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    【python 图像识别图像识别从菜鸟

    1.7K41

    通过映射CT和锥束CT图像对气胸变形进行统计建模(CS)

    在这项研究中,我们介绍了使用成对的锥形束计算机断层扫描(CT)图像进行气胸变形的统计建模方法。我们设计了一个可变形的网格配准框架,用于涉及非线性变形和肺旋转的形状变化。 此外,我们还提出了基于核的变形学习框架,以从术前CT模型重建术中肺的放气状态。本论文主要讲述气胸变形的发现和基于核的变形框架的评估结果。 原文题目:Statistical modeling of pneumothorax deformation by mapping CT and cone-beam CT images 原文:In this statistical modeling methods for pneumothorax deformation using paired cone-beam computed tomography (CT framework is proposed to reconstruct intraoperative deflated states of the lung from the preoperative CT

    21230

    图像识别

    我们现在正在采取下一步,发布在最新型号Inception-v3上运行图像识别的代码。 Inception-v3 使用2012年的数据对ImageNet大型视觉识别挑战进行了培训。

    3K80

    想研究新冠CT找不到数据集?UCSD、Petuum开源COVID-CT 数据集

    为了解决这个问题,他们构建了一个 COVID-CT 数据集,其中包含 275 个新冠肺炎检测呈阳性的 CT 图像,并向公众开放,以帮助基于 CT 图像的新冠肺炎检测的研发。 基于 183 个新冠肺炎 CT 图像和 146 个非新冠肺炎 CT 图像,他们训练了一个深度学习模型,以预测一个 CT 图像是否呈新冠肺炎阳性。 他们在 35 个新冠肺炎 CT 图像和 34 个非新冠肺炎 CT 图像上进行了测试,模型 F1 值为 0.85。 这些论文中有许多报告了新冠患者病例并且其中一些展示了患者的 CT 图像。这些 CT 图像附有描述其临床病症的标题。 对于包含多个 CT 子图像的图像,他们将其手动拆分为单个 CT 图像。 最终他们获得了 275 个 CT 扫描图像,标记为新冠肺炎阳性。

    20220

    Airtest图像识别

    Airtest是一款网易出品的基于图像识别面向手游UI测试的工具,也支持原生Android App基于元素识别的UI自动化测试。 图示为AirtestIDE中脚本运行范例 本文重点是针对Airtest中的图像识别进行代码走读,加深对图像识别原理的理解(公众号贴出的代码显示不全仅供参考,详细代码可以在github查看)。 这里可以看到,Airtest也没有自研一套很牛的图像识别算法,直接用的OpenCV的模板匹配方法。 四、接着看另外一个方法 aircv.find_sift 定义在sift.py里面: ? ? FlannBasedMatcher(index_params,search_params).knnMatch(des1,des2,k=2) 哪个优先匹配上了,就直接返回结果,可以看到用的都是OpenCV的图像识别算法 六、总结 1、图像识别,对不能用ui控件定位的地方的,使用图像识别来定位,对一些自定义控件、H5、小程序、游戏,都可以支持; 2、支持多个终端,使用图像识别的话可以一套代码兼容android和ios哦,

    4.8K20

    预训练句子表征——【ICLR 2021】CT

    本文作者提出了“对比张力”(CONTRASTIVE TENSION)的对比学习方案——CT: 如上图所示,在训练期间,CT 构建了两个独立的编码器(“Model1”和“Model2”),它们共享初始参数以对一对句子进行编码 原始 CT 论文使用包含多个小批量的批次。对于 K=7 的例子,每个 mini-batch 由句子对 组成,对应的标签是 1, 0, 0, …, 0. 实现 sentence_transformers已经把CT已经封装成pip包,完整的训练流程例子可以参考《Sentence-BERT》。 我们在此基础上只用修改DataLoader和Loss就能轻松的训练CT: from sentence_transformers import SentenceTransformer, InputExample 负采样的改进 sentence_transformers中还是实现了一个CT使用批量负采样的改进版本:模型 1 和模型 2 都编码相同的句子集。

    24910

    图像识别——MNIST

    本文使用NEURAL程序来介绍一下在SAS里如何实现图像识别。例子所用的数据集是MNIST数据集,从http://yann.lecun.com/exdb/mnist/可以获取。

    81140

    胸片和CT断层图像是怎么来的?

    如何得到CT断层图像? 相信小伙伴体检的时候都拍过胸片,假如哪个不幸的小伙伴胸片有点“小问题”的话呢,还要再拍个CT图像让医生仔细看一下,那么这些图像有什么区别呢?又是如何得到的呢? 首先,胸片和CT图像长什么样子呢? ? 左图是我们平常所说的胸片,右边就是CT的断层图像。左边只有一张图片,相当于把人变成透明的,可以看到身体的内部,所以我们叫它透视像。 神奇的CT断层扫描又是怎么回事呢? ? ​ 在CT扫描的时候,假设医生想看你身体某一层的断层图像,就会用CT围着你身体的那一层转上一圈。 这主要是CT重建算法的功劳啦。 CT重建算法原理 接下来给大家简单介绍一下CT的重建算法。 射入人体的X射线,穿过人体之后会有一部分透射出来,被探测器捕捉到。 有了CT断层图像,医生就可以看到病人身体内的结构,及时的诊断疾病了。目前,CT是在临床上应用最为广泛的医学成像设备了,在很多疾病的早期诊断上功不可没。

    53220

    图像识别之GridMask

    GridMask: https://arxiv.org/abs/2001.04086

    78510

    图像识别之mixupcutmix

    本人kaggle分享链接:https://www.kaggle.com/c/bengaliai-cv19/discussion/126504

    1K10

    算法集锦(14)|图像识别| 图像识别算法的罗夏测试

    随着对基于深度学习的图像识别算法的大量研究与应用,我们倾向于将各种各样的算法组合起来快速进行图片识别和标注。

    61220

    图像识别——突破与应用

    最近,图像识别领域发布了白皮书,简单翻译一下做个总结。 ---- [2] 图像识别 图像识别的目标是识别图像中的对象和人,并理解上下文。图像识别属于机器知觉,机器知觉是机器学习(ML)和人工智能(AI)的一部分。 这是图像识别史上的一个转折点,也是这个领域前途光明的开始。这个成就将焦点从传统的图像识别方法转移到了使用深度神经网络的新方法。 随着算法效率的提高和处理能力的提高,许多图像识别功能可以嵌入到相机中。 图像识别技术可以用来计算物体,如汽车或图像中的人物。这种能力可以用于交通和人群管理。 配备有先进图像识别能力的智能移动机器人具有许多商业(例如服务业)和个人用途。最先进的图像识别最新的应用是协助自动驾驶汽车和汽车驾驶员。

    3.9K113

    美国高校开源迄今为止最大新冠肺炎CT数据集

    在本文中,研究团队构建了一个开源的COVID-CT数据集,其中包含275个COVID-19检测呈阳性的CT图像,有助于使用深度学习方法分析病人的CT图像并预测其是否患有新冠的相关研究和发展。 构建COVID-CT数据集,训练深度学习模型诊断新冠肺炎 为了解决这个问题,研究团队构建了一个COVID-CT数据集,其中包含275个新冠肺炎检测呈阳性的CT图像,并向公众开放,以助于基于CT图像的新冠肺炎检测的研发 基于183个新冠肺炎 CT图像和146个非新冠肺炎 CT图像,研究团队训练了一个深度学习模型,以预测一个CT图像是否呈新冠肺炎阳性。 对于包含多个CT子图像的图像,研究团队将其手动拆分为单个CT图像,如图1所示。 最后,研究团队获得了27个CT扫描图像,标记为新冠肺炎阳性。 总结 研究团队建立了一个关于新冠肺炎的公开CT扫描数据集,来促进通过读取CT图像进而筛选和检测新冠肺炎患者的AI技术的发展。 此数据集包含275个CT扫描结果为阳性的新冠肺炎患者的CT图像。

    73420

    医疗CT影像肺结节检测参考项目(附论文)

    CT图像中肺部疾病的计算机辅助诊断方法研究(华中科技大学 博士论文) | 文献详情 & 在线阅读 5. 肺结节计算机辅助诊断算法研究 (浙江大学 硕士论文) | 文献详情 & 在线阅读 6.

    2.1K91

    图像识别之augmix

    augmix: https://github.com/google-research/augmix

    56710

    PhotoSynth:图像识别建模技术

    PhotoSynth是微软公司从华盛顿大学购买来的一项技术,主要作用是通过平面照片自动建立空间模型,目前已经接近即将发布的前夕。 举例来说,游客来到上海,外滩...

    618100

    H5 图像识别

    识别对比 ---- 1、百度识别 发现百度的图片搜索识别率不是特别,下面为测试图片跟测试后的结果: 测试图片: 下面为测试后的结果: 2、采用 tesseract.js 后结果 H5 图像识别

    17130

    扫码关注腾讯云开发者

    领取腾讯云代金券